Académique Documents
Professionnel Documents
Culture Documents
Construccin
de un(2008)
Simulador Dinmico para Procesos de Cristalizacin
Vol. 19(3), 13-24
Carrillo
doi:10.1612/inf.tecnol.3939it.07
Resumen
Se presenta un simulador dinmico para procesos de cristalizacin por lotes a vaco utilizando un
modelo no lineal El modelo se basa en la ecuacin de balance de poblacin, balances de materia y
energa para el interior del cristalizador, la ecuacin de continuidad del vapor en la camisa de
calentamiento y relaciones constitutivas. Utilizando la tcnica de momentos de distribucin de
tamao de cristal, la ecuacin de balance de poblacin se convierte en ecuaciones diferenciales. La
construccin del simulador se realiz utilizando Visual Basic. Se propone un ejemplo y se comparan
los resultados con otro simulador y con datos experimentales de un equipo piloto, obtenindose
resultados concordantes.
Palabras claves: cristalizacin, lotes a vaco, simulacin de procesos, modelo matemtico
13
Carrillo
INTRODUCCIN
La cristalizacin es un proceso de purificacin y separacin de un soluto a partir de una solucin
sobresaturada, mediante la formacin de cristales en el seno de la solucin, logrando purezas
superiores al 99%. Posee gran importancia econmica en la industria qumica, ya que requiere
mucho menos energa para la separacin de lo que se utiliza en la destilacin y otros mtodos de
purificacin comunes; adems se puede realizar a temperaturas relativamente bajas y a una escala
que vara desde unos cuantos gramos hasta miles de toneladas, mejora la apariencia, y hace ms
fcil el transporte del slido (Perry, 2003).
La cristalizacin se utiliza en la produccin de azcar, fertilizantes y productos farmacuticos, entre
otras industrias. El objetivo de la cristalizacin a nivel industrial es que el producto tenga una
distribucin de tamao de cristal (DTC) y pureza especficas, en lugar de un producto aleatorio
(Ulrich, 2003).
El incremento de la calidad en la industria de procesos y la minimizacin de costos de produccin
requiere de la comprensin de cmo obtener una DTC apropiada. El mejoramiento de mtodos de
medicin (Martins et al., 2005a, 2005b) y la capacidad de procesamiento computacional actual
ofrecen la posibilidad de extender las simulaciones en computadora a este campo. Un proceso se
desea modelar de acuerdo a los fenmenos qumicos y fsicos presentes y no de acuerdo a las
restricciones computacionales (Wulkow et al., 2001). Pero conforme las ecuaciones del modelo
describen ampliamente estos fenmenos (nucleacin primaria y secundaria, crecimiento de cristal,
mecanismos de aglomeracin y atricin, etc.), la solucin numrica es un obstculo a su aplicacin
prctica (Vollmer y Raisch, 2002).
Se han propuesto diversas soluciones al modelo del proceso de cristalizacin, implementadas en
software especfico especialmente adecuado para unidades de proceso que son modeladas por
ecuaciones de balance de poblacin. En Wulkow et al. (2001), el algoritmo numrico y la interfase de
usuario se implementaron usando el concepto orientado a objetos en el software de simulacin
Parsival. Sin embargo, para propsitos de control es necesario tener un modelo suficientemente
simple, tal que el problema de la sntesis de controladores sea tratable y cuyo comportamiento
dinmico se aproxime, en algn sentido, al modelo detallado y por lo tanto tambin a la planta real.
Es deseable mantener, tanto como sea posible, la estructura del modelo original para preservar la
interpretacin fsica de los estados del sistema y la naturaleza distribuida del mismo (Vollmer y
Raisch, 2002). En Laloue et al. (2007), se resuelve el modelo completo de la cristalizacin usando un
mtodo de diferencias finitas para la discretizacin de la variable tamao de cristal, mientras que en
Yang et al. (2007), se discute la aproximacin de modelos mecansticos complejos con modelos
estadsticos a travs de procedimientos de optimizacin iterativos que hacen uso de un modelo de
proceso Gaussiano para aproximar localmente el modelo complejo. Con el gran desarrollo actual del
software, procesos fsicos complejos se pueden modelar sin mayores problemas.
Los sistemas por lote son convenientes y tiles en el laboratorio y en la lnea de produccin. En la
industria se usan para volmenes bajos aislados y productos de alto valor agregado, adems son
valiosos por su flexibilidad. Considerando estas caractersticas, el objetivo de este trabajo es mostrar
que a partir de la solucin de la ecuacin de balance de poblacin utilizando el mtodo de
momentos, es posible construir un simulador para describir la DTC de un sistema de cristalizacin
industrial. La operacin del sistema contempla la implementacin de perfiles dinmicos de regulacin
de vaco como una tcnica de operacin nueva en cristalizacin por lotes. Esto permite manipular la
sobresaturacin promedio, evita la aglomeracin del producto cristalino formado y elimina el uso de
licor no saturado como medio de disolucin durante la operacin del lote (Gerstlauer et al., 2002).
MODELO MATEMATICO DE LA CRISTALIZACIN POR LOTES A VACO
El modelo terico del proceso de cristalizacin por lotes a vaco involucra al balance de poblacin, en
el que se define la distribucin del tamao del cristal (DTC), los balances de masa y energa, as
como las relaciones constitutivas (Mullin, 2001) para los fenmenos de nucleacin y crecimiento de
cristales. El modelo consiste en una serie de ecuaciones integro-diferenciales no lineales; en las que
14
Carrillo
se consideran aspectos como la nucleacin primaria, el crecimiento del cristal, la ruptura de cristales
debido a las colisiones cristal-cristal o cristal-agitador y el balance de poblacin (escala
microscpica).
La solucin del modelo matemtico de la cristalizacin por lotes a vaco que se utiliza en este
simulador, se realiza con el mtodo de momentos de distribucin del tamao de cristal, el cual,
asume que el crecimiento de los cristales es independiente del tamao y de la muerte de los mismos,
con esta tcnica se obtiene un conjunto de cuatro ecuaciones diferenciales que describen la
distribucin del tamao del cristal.
En la escala macroscpica, se tiene el modelo general de toda la operacin unitaria de cristalizacin
con los balances de materia y energa, en el interior y en la camisa de enfriamiento (Gerstlauer et al.,
2002). Por la cantidad de ecuaciones que utiliza el modelo matemtico de la cristalizacin por lotes a
vaco, se propone la construccin de un simulador dinmico, que proporcione resultados
satisfactorios durante el tiempo de simulacin.
El equipo piloto disponible para la obtencin de datos experimentales reales de proceso es un
cristalizador por lotes de acero inoxidable de 12.8 L, con chaqueta de calentamiento de 11.1 L. de
capacidad, 4 deflectores de 17.0 cm de ancho por 3.5 cm de largo, flecha de agitacin de 39.0 cm de
largo, bomba de vaco, caldera y motor de agitacin con variador de velocidad.
SIMULADOR NUMRICO PARA LA CRISTALIZACION POR LOTES A VACIO
El comportamiento de muchos procesos fisicoqumicos en ingeniera qumica, particularmente
aquellos que experimentan cambios dependientes del tiempo (transitorios), se modelan a travs de
un sistema de ecuaciones diferenciales ordinarias (EDO). Si bien muchas EDO importantes se
pueden resolver a travs de tcnicas analticas bien conocidas, un gran nmero de ecuaciones
diferenciales fsicamente significativas no pueden resolverse de esta forma.
Los algoritmos explcitos de resolucin de EDOs implican la evaluacin explcita de las derivadas y
el avance paso a paso en el tiempo sin necesidad de recurrir a procedimientos iterativos. Existen dos
mtodos muy difundidos y fciles de usar que utilizan arranque automtico. Estos son: el mtodo de
Euler y los mtodos Runge-Kutta (4to. y 5to. orden)
Para la solucin del modelo matemtico se empleo el mtodo de Runge-Kutta. Una variante es el
llamado Runge-Kutta-Fehlberg (denotado como RKF45), que aplica los dos metodos Runge-Kutta de
4to. y 5to. orden para determinar si el tamao de paso de clculo es el apropiado. En cada paso de
integracin, se realizan y se comparan dos aproximaciones diferentes para la solucin. Si las dos
respuestas estn dentro de un intervalo conveniente, la aproximacin es aceptada; si no estn de
acuerdo a la precisin especificada, el tamao de paso es reducido. Si la respuesta necesita mas
cifras significativas el tamao de paso es incrementado.
El simulador dinmico del proceso de cristalizacin resuelve el modelo matemtico de la
cristalizacin por lotes a vaco presentado en Carrillo (2006). Se denomina MoVac 1.0, el cual tiene
caractersticas tales como: una interfaz amigable con el usuario, la posibilidad de ingresar variables
del proceso, y presentar resultados en forma de tablas, grficas y reportes para una mejor
manipulacin de los mismos.
Para el diseo y codificacin del simulador se utiliz un lenguaje de programacin, con el cual se
codificaron todas las rutinas, tomando como base el algoritmo numrico Runge-Kutta-Fehlberg, para
resolver el modelo matemtico conformado por ecuaciones diferenciales. Una vez validado el
modelo, se procedi a crear las rutinas para las interfases de configuracin, introduccin de datos y
parmetros especficos del modelo, posteriormente se crearon las interfases de presentacin de
resultados. Los algoritmos se basan en la programacin orientada a objetos (POO) y programacin
orientada a eventos que proporciona el lenguaje de programacin Visual Basic.
15
Carrillo
ECUACION REPRESENTATIVA
nQ
n (Gn) n V
+
+
+ D( L) B( L) + k k = 0
t
L
V t
V
k
dj
= jG j 1 + B 0O j + jG ln V j 1
dt
Ecuacin del
balance de
poblacin
(EBP)
Balance de
masa
Balance de
energa para
el interior del
cristalizador
d 0
= B0
dt
d 3
= 3G 2 (1 + ln(V ) )
dt
d 1
= G 0 (1 + ln(V ) )
dt
d 4
= 4G 3 (1 + ln(V ) )
dt
D(m, n) = m
n
S (m, n) = m+1 m
n n
d (C )
3
= c K v h 3 GnL2 dL + B 0 L0
dt
0
VCp
Relaciones
constitutivas
Vj
C (t ) = C 0
t=0
dT dPV
3
c H ev Fev H c c K vV 3 GnL2 dL + B o L0 + U 1 A1 (T j T )
=
dt
dt
0
T(t) = T0
Balance de
masa del
vapor
d 2
= 2G1 (1 + ln(V ) )
dt
d 5
= 5G 4 (1 + ln(V ) )
dt
d j
dt
t=0
= Fs s Wc
j ( t ) = j0
t=0
C C sat
C sat
G = K g Sr g N rq
Sr =
B o = K b Sr b M Tj N rp
M T = c K v 3 (t )
n
FTM = L i * 1000
n0
( L) = Be + Bc + Ba D( L)
= K a Sr a M T k N r r FTM
16
Carrillo
17
Carrillo
18
Carrillo
modelo matemtico que pueden ser graficadas, teniendo la posibilidad de presentar la evolucin en
el tiempo de ms de una variable a la vez.
19
Carrillo
constantes involucradas en el modelo matemtico, presenta los valores inicial, mnimo, mximo y
final, en ese orden, de las variables a lo largo de la simulacin. Esto con la finalidad de visualizar
cules fueron los mximos y mnimos (los picos durante la operacin) de las variables. Este reporte
est hecho mediante un archivo en formato html, de tal forma que se tenga la posibilidad de copiar y
pegar para agregarse en un procesador de palabras.
20
(a)
Carrillo
(b)
(c)
Fig. 7: Evaluacin de resultados. (a) Dimetro promedio (D(4,3)), (b) Desviacin estndar (S(4,3)),
(c) Temperatura del interior del cristalizador
(a)
(b)
(c)
Fig. 8: Errores Relativos. (a) Dimetro promedio (D(4,3)), (b) Desviacin estndar (S(4,3)), (c)
Temperatura del interior del cristalizador.
Informacin Tecnolgica Vol. - 19 N3 - 2008
21
Carrillo
CONCLUSIONES
El simulador logra resultados numricos satisfactorios fcilmente manipulables, que permiten
visualizar la solucin del modelo matemtico de la cristalizacin batch a vaco, presenta una interfaz
amigable al usuario, con la flexibilidad para cambiar los valores numricos de las variables y
parmetros, facilitando la comprensin del sistema en estudio.
Los resultados obtenidos por medio del simulador MoVac 1.0 son comparables con los obtenidos por
otros simuladores del proceso de cristalizacin. Tambin son comparables con resultados obtenidos
mediante la experimentacin en equipo piloto a vaco y por enfriamiento.
Los resultados permiten vislumbrar la aplicacin del simulador para obtener ciertas caractersticas de los
cristales formados esperados, implementando determinadas condiciones de operacin y condiciones
iniciales alimentadas al simulador.
AGRADECIMIENTOS
El desarrollo del trabajo estuvo soportado parcialmente a travs del proyecto CONACYT FOMIX
Veracruz 41691.
NOMENCLATURA
Letras latinas maysculas
cm2
Nm. part. (cm-3) (min-1)
-
Cp
D(L)
Capacidad calorfica
Velocidad de muerte
D(m,n)
F
FTM
G
Kb
Distribucin de momentos
Flujo msico
Factor de transformacin de la malla
Velocidad de crecimiento
Constante de la velocidad de
nucleacin
Factor de forma del cristal
Longitud, tamao del ncleo, dimetro
del ncleo
Masa
Velocidad de agitacin, nmero de
partculas por unidad de volumen
Presin
Sobresaturacin relativa
Temperatura
Coeficiente de transferencia de calor
Volumen
Velocidad de la corriente de vapor
gmin-1
cm
cm min-1
Nm part./(cm-3)(min-1)(gcm-3)-j.(r.p.m.)-p
A
B
B(L)
Kv
L
M
N
P
Sr
T
U
V
W
adim
cm
g
(rev)(min-1)
inHg
adim
C
cal (C-1)(min-1)(cm-2)
cm3
g min-1
22
Carrillo
Letras griegas
H c
L
calg-1
cm
gcm-3
Subndices
c
ev
g
j
s
sat
T
Condensado
Evaporado
Exponente de la constante de la
velocidad de crecimiento
Chaqueta de calentamiento
Vapor (steam)
Saturacin
Total
Superndices
b
g
j
p
q
r
Exponente de la sobresaturacin en la
velocidad de nucleacin
Exponente de la sobresaturacin en la
velocidad de crecimiento
Exponente de la masa total en la
velocidad de nucleacin
Exponente de la velocidad de agitacin
en la velocidad de nucleacin
Exponente de la velocidad de agitacin
en la velocidad de crecimiento
Exponente de la velocidad de agitacin
en la velocidad de produccinreduccin, orden de reaccin
REFERENCIAS
Carrillo A.J.; Diseo y simulacin de estrategias para el control no lineal de la sobresaturacin en la
cristalizacin por lotes a travs de perfiles dinmicos de regulacin de vaco y estimacin de
parmetros. Tesis de Maestra en Ciencias en Ingeniera Qumica. I. T. de Orizaba. Mexico (2006).
Gerstlauer A.S., A. Motz y A. Mitrovic; Development, Analysis and Validation of Population Models for
continuous and batch crystallizer. AIChE J.: 8(5), 1123-1126 (2002).
Laloue N. y otros cinco autores; Dynamic Modeling of a Batch Crystallization Process: A Stochastic
Approach for Agglomeration and Attrition Process, Chem. Eng. Science: 62(23), 6604-6614 (2007).
Martins P.M., F.A. Rocha y P. Rein; Modeling Sucrose Evaporative Crystallization. Part 1. Vacuum Pan
Monitoring by Mass Balance and Image Analysis Methods, Ind. Eng. Chem. Res.: 44, 8858-8864
(2005a).
Martins P.M., F.A. Rocha y P. Rein; Modeling Sucrose Evaporative Crystallization. Part 2. Investigation
into Crystal Growth Kinetics and Solubility, Ind. Eng. Chem. Res.: 44, 8865-8872 (2005b).
Mullin, John W.; Crystallization (4th ed.)., Oxford, UK: Butterworth-Heinemann, (2001)
Informacin Tecnolgica Vol. - 19 N3 - 2008
23
Carrillo
Perry R.H. y D.W. Green; Manual del Ingeniero Qumico. McGraw-Hill, 7 Edicin, 2003.
Ulrich J.; Solution Crystallization-Developments and New Trends, Chem. Eng. Technol.: 26(8), 832-835
(2003).
Vollmer U. y J. Raisch; Population Balance Modelling and H Controller Design for a Crystallization
Process. Chem. Eng. Science: 57, 4401-4414 (2002).
Wulkow M., A. Gerstlauer y U. Nieken; Modeling and Simulation of Crystallization Processes Using
PARSIVAL (Particle Size Evaluation), Chem. Eng. Science: 56, 2575-2588 (2001).
Yang A., X. Ou, G.A. Montague y E.B. Martin, Local approximation to complex models for
efficientoptimisation: application to crystallisation processes. Proceedings of European Congress of
Chemical Engineering-ECCE-6 (2007). http://www.nt.ntnu.no/users/skoge/prost/proceedings/ecce6_
sep07/upload/1316.pdf (11/01/08).
24